網(wǎng)絡(luò)零售市場信用機制優(yōu)化研究

李敬泉

一、引言

近年來，隨著我國信息技術(shù)的進一步發(fā)展、互聯(lián)網(wǎng)的日益普及和電子商務(wù)的不斷壯大，網(wǎng)絡(luò)零售交易模式逐漸為廣大消費者所接受，網(wǎng)購用戶規(guī)模與交易額逐年增長。中國電子商務(wù)研究中心發(fā)布的《2012年度中國網(wǎng)絡(luò)零售市場數(shù)據(jù)監(jiān)測報告》顯示：截止到2013年12月，我國網(wǎng)購用戶規(guī)模達3.12億人，而2012年我國網(wǎng)購用戶規(guī)模為2.47億人，同比增長26.3%；截止到2013年12月，中國網(wǎng)絡(luò)零售市場交易規(guī)模達18851億元，2012年為13205億元，同比增長42.8%。①但與此同時，消費者關(guān)于網(wǎng)絡(luò)零售商誠信問題的投訴次數(shù)卻居高不下，虛假促銷、網(wǎng)絡(luò)詐騙等現(xiàn)象在我國網(wǎng)絡(luò)零售市場中時有發(fā)生。事實上，由于網(wǎng)絡(luò)交易的虛擬性，買賣雙方在交易過程中通常處于非面對面的環(huán)境，商品質(zhì)量、價格以及售后服務(wù)信息完全來自于買方自身的判斷。因此，網(wǎng)絡(luò)零售系統(tǒng)具有明顯的信息不對稱性，潛在風(fēng)險巨大。在這樣信息不對稱的環(huán)境中，要保證交易的順利進行，降低風(fēng)險，交易雙方的信用顯得尤為重要。當(dāng)前，信用風(fēng)險已經(jīng)成為了阻礙我國網(wǎng)絡(luò)零售市場進一步發(fā)展的主要因素。為降低信用風(fēng)險，我國網(wǎng)絡(luò)零售電子商務(wù)網(wǎng)站紛紛建立了信用評價體系，但由于其評價等級設(shè)置過于簡單，信用評價算法缺乏對用戶信用度的考慮，沒有涉及到交易金額，存在大量用戶虛假評價等問題，各網(wǎng)絡(luò)零售電商網(wǎng)站當(dāng)前的信用評價方法不能反映店鋪真實的信用水平，不能為買家提供可靠的參考。對此，理論界針對網(wǎng)絡(luò)零售信用風(fēng)險問題提出了各種解決辦法，但均存在一定的不足。本文將以信任傳遞為基礎(chǔ)，結(jié)合前人研究成果提出一種改進的信用計分機制，改善我國網(wǎng)絡(luò)零售商信用評價機制，降低消費者購買的信用風(fēng)險，促進我國網(wǎng)絡(luò)零售市場進一步發(fā)展壯大。

二、國內(nèi)外相關(guān)研究現(xiàn)狀

目前，國內(nèi)外有關(guān)電子商務(wù)系統(tǒng)中信用問題的研究較多。國外關(guān)于網(wǎng)絡(luò)零售信用機制的研究，如張杰（Jie Zhang）[1]對賣家和買家的信用度進行量化，并提出了相應(yīng)的函數(shù)模型。該研究認(rèn)為，賣家的信用只與其賣出的記錄有關(guān)，而與其作為買家時的買入記錄無關(guān)，并利用易貝（Ebay）的數(shù)據(jù)對自己的結(jié)論進行了驗證，不過該模型并沒有考慮一些惡意破壞信用系統(tǒng)行為的影響。牟（Mui）[2]基于貝葉斯概率方法，構(gòu)建了Mui信任模型，利用交易雙方歷史信息及歷史信譽來推導(dǎo)用戶信用值，但Mui信任模型難以準(zhǔn)確地為互惠、信譽變量初始化賦值，并且該模型僅適用于簡單的并行社會網(wǎng)絡(luò)，難以消除惡意推薦的影響。阿卜杜拉赫曼（Abdul-Rahman）等人[3]提出了基于信譽機制的信任模型，但該模型僅采用單一數(shù)值來表示信任度，難以準(zhǔn)確描述信用的多維特性。此外，由于該模型忽略了評分人的信用度，難以區(qū)分惡意用戶與誠實用戶，無法解決惡意推薦的問題。

針對我國網(wǎng)絡(luò)零售市場信用評價體系存在的不合理之處，國內(nèi)許多學(xué)者進行了研究并提出了改進意見。樸春慧、安靜和方美琪[4]建立了改進的電子商務(wù)網(wǎng)站信用評價模型，提出了新的信用評價算法，通過權(quán)衡考慮交易對方的信用度和交易次數(shù)、交易金額來計算被評用戶的信用加權(quán)平均分和信用度。甄磊、鄭力、吳姍姍[5]提出，利用初始靜態(tài)信用評價、加權(quán)平均、構(gòu)建信用度函數(shù)圖等方法，來更加科學(xué)合理地計算信用度。李瑞軒、盧正鼎等[6]提出了一種改進的信用計分算法，采用商品價格的區(qū)間分布和信用等級的扣分系數(shù)對交易成敗進行加減分，并設(shè)計了一種網(wǎng)上交易的風(fēng)險計算方法。

國內(nèi)學(xué)者建立的網(wǎng)絡(luò)零售市場信用模型大多采用模糊綜合評價法，綜合考慮影響信用的各種因素，并在此基礎(chǔ)上計算信用度，信用度S的計算過程如下：

其中，S代表信用度，Wi代表權(quán)重，Vi表示影響因素。

這種方法雖然可在一定程度上對當(dāng)前的信用評價機制進行改進，彌補電商平臺信用影響因素的不足，但沒有考慮到大量用戶虛假評價帶來的影響，而事實上，用戶的虛假評價讓店鋪的信用度大大偏離了它真實的信用度。本文將提出一種基于信任傳遞原理進行改進的信用評價機制，以反映店鋪真實的信用度。

三、網(wǎng)絡(luò)零售市場信用評價體系發(fā)展?fàn)顩r

近年來，為解決信用帶來的問題，我國網(wǎng)絡(luò)零售網(wǎng)站紛紛建立了信用評價體系。以當(dāng)前阿里巴巴旗下的淘寶網(wǎng)和天貓商城為例，買家和賣家每成功交易一筆，就可以對對方進行一次信用評分。評價分為好評、中評、差評三種，其中好評加一分，中評不加分，差評減一分。我們可以利用下面的公式來表示這種信用評價機制。

其中，Rt表示信用等級，Nt表示差評數(shù)，Zt表示好評率。[8]

在這種信用評價規(guī)則中，系統(tǒng)累計計算賣家得到的好評、中評、差評次數(shù)，賣家的信用度等于好評數(shù)與差評數(shù)之差，好評率為好評數(shù)占所有評價數(shù)的比率。[9]由上可知，我國網(wǎng)絡(luò)零售市場信用等級計算采用的是一種累加的信用模型，鑒于我國網(wǎng)絡(luò)零售市場好評率普遍較高的情況，這種信用評價機制主要反映了一個賣家經(jīng)營的資歷，賣家經(jīng)營的時間越久，其信用等級越高，這樣一來，新賣家的信用等級大多不如資歷老的賣家，這對那些后進入市場的賣家而言是極為不利的。這樣的信用評價機制既不利于公平競爭，也不能反映賣家真實的信用狀況。有不少網(wǎng)購過的買家表示，自己曾經(jīng)在一些經(jīng)營資歷老、信用等級高的店鋪買到過假貨。

為彌補信用等級評價存在的不足之處，淘寶網(wǎng)和天貓商城還設(shè)定了店鋪最近半年的動態(tài)評分，包括買家對物品真實度、賣家服務(wù)和發(fā)貨速度的評分。買家可根據(jù)自己的滿意程度打1～5分，然后由系統(tǒng)計算出賣家所得到的平均分，并與同行業(yè)平均水平進行比較。

店鋪的好評率和動態(tài)評分是所有買家評價的算術(shù)平均值，每個買家的評價對店鋪信用的影響是相同的，并沒有考慮到買家自身的信用度，這就給一些賣家提供了可乘之機。為提高信用等級或動態(tài)評分，有的店鋪不惜花重金雇人進行“信用炒作”，或?qū)Ω偁帉κ纸o予“惡意評價”，從而在競爭中獲得優(yōu)勢。于是，在買家對店鋪的信用評價中充斥著大量的虛假評價，嚴(yán)重影響了店鋪真實的信用度。

四、基于信任傳遞對我國網(wǎng)絡(luò)零售市場信用機制的改進

1.模糊綜合評價法及信用評價指標(biāo)的確定

（1）模糊綜合因素分析法。模糊綜合評價法是一種基于模糊數(shù)學(xué)的綜合評價方法。該綜合評價法根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評價轉(zhuǎn)化為定量評價，即利用模糊數(shù)學(xué)對受到多種因素制約的事物或?qū)ο笞鞒鲆粋€總體的評價。將模糊綜合評價法用于我國網(wǎng)絡(luò)零售市場交易主體的信息評價，可綜合考慮影響店鋪信用的各種因素，并根據(jù)這些因素的重要程度以及對它的評價結(jié)果，把原來的定性結(jié)果定量化，較好地處理買賣過程中存在的多因素以及主觀判斷等問題，建立一套科學(xué)的綜合信用評價體系，為買家提供店鋪綜合信用判別比較的依據(jù)，降低交易的風(fēng)險性。

（2）我國網(wǎng)絡(luò)零售市場信用評價指標(biāo)的確定。根據(jù)我國零售市場交易主體信用指標(biāo)評價設(shè)置的原則，本文將信用評價指標(biāo)分為商家基本狀況、動態(tài)交易狀況、商家服務(wù)情況三大類指標(biāo)，以更加全面地反映店鋪的信用狀態(tài)。零售店鋪的信用評價指標(biāo)體系如圖1所示。

零售店鋪信用評價指標(biāo)的說明：

①商家綜合信用評分：表示商家的綜合信用度，用S表示。

②商家基本狀況：商家基本狀況的信用評分用S0表示。商家經(jīng)營的資歷即商家的經(jīng)營時間（V01）越長，S0越高；商家經(jīng)營的規(guī)模（V02）越大越可靠，S0也越高；商家參與的保障服務(wù)（V03）越多越可靠，失信的風(fēng)險越小，S0越高。

③動態(tài)交易狀況：動態(tài)交易狀況的信用評分用S1表示。貨物與描述相符程度（V11）越高，S1越高；商家的服務(wù)態(tài)度（V12）越好，S1越高；商家的發(fā)貨速度（V13）越快，S1越高；交易金額（V14）越大，S1越高；買家自身的信用狀況（V15）越好，S1越高。

④商家服務(wù)情況：商家服務(wù)情況的信用評分用S2表示。因質(zhì)量問題的退款率（V21）越低，S2越高；商家的被投訴率（V22）越低，S2越高；商家平均受到的處罰數(shù)（V23）越少，S2越高。

2.基于信任傳遞改進的商家動態(tài)交易狀況信用評分

在商家綜合信用評價指標(biāo)體系中，商家的基本狀況屬于靜態(tài)評價指標(biāo)，商家的服務(wù)情況由第三方監(jiān)督管理，商家很難做手腳。但在對商家動態(tài)交易狀況進行信用評分時，由于買家信用評分?jǐn)?shù)目有限，有些店鋪中買家給予的信用評分?jǐn)?shù)目甚至不足百條，再加之買家信用度設(shè)計得并不合理，給一些商家在有限的買家評價中進行信用炒作提供了可乘之機。下面擬利用信任傳遞原理，擴大參與信用評分的用戶數(shù)，讓一些商家的信用炒作行為變得徒勞。

（1）信任傳遞原理。信任在人與人之間是可以相互傳遞的。在生活中，當(dāng)人們面臨多個選擇時，如在眾多電子商家中選擇購買一部手機，選擇一家可靠的駕校，人們總會征求自己身邊人的意見，參考他們對商家或駕校的信任程度，然后作出選擇。根據(jù)信任路線，可以得到一個人對另外一個與自己不發(fā)生直接信任關(guān)系的人的相對衍生信任度。

信任傳遞原理（Trust Transitivity Principle）[10]描述的是A直接信任B、B直接信任C時，A對C會產(chǎn)生衍生信任，所產(chǎn)生的衍生信任度與A對B的信任度有關(guān)，如圖2所示。

（2）買家直接信任系數(shù)。通過與買家直接發(fā)生信任關(guān)系的買家，可以得到買家對陌生賣家的衍生信用度。在我國網(wǎng)絡(luò)零售市場中，與買家直接發(fā)生信任關(guān)系的“周圍人”主要包括賣家的朋友、與買家發(fā)生過交易的賣家（在網(wǎng)絡(luò)購物中，賣家也是買家）、購買資歷老且信用等級高的買家（這類買家極少，設(shè)定標(biāo)準(zhǔn)較高）。

假設(shè)共有j名用戶與買家A發(fā)生直接信任關(guān)系，我們用PAj表示A對j的直接信任度（1≤PAj≤5，如果j為賣家，則Pij=Qij，Qij表示買家i對店鋪 j動態(tài)交易狀況的信用評分）。CAj表示A對j的直接信任系數(shù)。

很顯然，0≤CAj≤1，所有的直接信任系數(shù)之和為1。直接信任系數(shù)不能直接表示信任度，只有在確定了買家A時，直接信任系數(shù)才有意義，我們不能通過直接信任系數(shù)判斷信任度的高低，這也是直接信任系數(shù)的一個不足之處。

圖1 零售店鋪的信用評價指標(biāo)體系

圖2 信任傳遞原理

（3）基本信任傳遞計算出衍生信用評分?，F(xiàn)將信任傳遞原理用于我國網(wǎng)絡(luò)零售市場信用體系。如買家A在陌生網(wǎng)店K購物時，看到了眾多買家給予的評價，他無法識別哪些買家給予的評價是真實可信的，也無法得知店鋪K的真實信用度。買家A需要在眾多的買家評論中挑選出那些真實可靠的評價，剔除掉那些炒作的惡意評價。對買家A而言，在眾多的買家評論中，買家A的朋友、與買家A有過交易記錄、購買資歷老且信用等級高的買家評價無疑是最真實可靠、最具有參考價值的。根據(jù)買家A的直接信任系數(shù)和“周圍人”對店鋪K的信用評分，可以計算出買家A對店鋪K的衍生信用評分。

我們也可以把它寫成向量的形式。在此，我們定義：

那么：

這看起來似乎是一種計算衍生信用評分很有效的方法，而事實上，由于個人的局限性，當(dāng)他準(zhǔn)備在陌生店鋪購物時，此前他的“周圍人”大部分也未曾光顧過該店鋪，這樣可供參考的“周圍人”就很少了。因此，我們需要擴大范圍，利用信任傳遞原理把“周圍人”的范圍擴大到“周圍人”的“周圍人”。

“周圍人”的范圍擴大一次：

“周圍人”的范圍擴大n次：

當(dāng)n足夠大時，買家就可以通過“周圍人”與大部分曾在陌生店鋪購物并給出信用評分的用戶發(fā)生信任聯(lián)系，從而根據(jù)他們的信用評分得出自己對陌生店鋪的衍生信用評分。

（4）擴大的參與信用評分的用戶數(shù)。根據(jù)信任傳遞原理，可以得到買家對陌生買家、陌生店鋪的衍生信用評分。在結(jié)合買家評價計算店鋪信用評分的時候，未參與直接購物的買家的衍生信用評分也應(yīng)當(dāng)作為參考。圖3為當(dāng)前計算店鋪信用評分時參考的用戶評價范圍，圖4為改進后計算店鋪信用評分時擴大參考的用戶評價范圍。

（5）改進的網(wǎng)絡(luò)零售市場商家動態(tài)交易狀況信用評分。假設(shè)在網(wǎng)絡(luò)零售市場中存在n個用戶（包括買家與賣家），商家動態(tài)交易狀況信用評分與其他每個用戶給予他的信用評分、評價用戶自身的信用度、評價用戶的購買金額相關(guān)。于是，本文構(gòu)造出商家動態(tài)交易狀況信用評分的計算公式如下：

（i≠j，如果 Pi'j不存在，i≠i'）

其中，Pi表示根據(jù)其他用戶評價得出的關(guān)于用戶i的信用度（如果是商家，則Pi=S1i）。S1j表示用戶商家j動態(tài)交易狀況的信用評分。Pij表示i對j的衍生信用評分，1+λij表示i關(guān)于j的購買金額系數(shù)，如果i不是直接購買用戶，則λij=0。

3.網(wǎng)絡(luò)零售市場信用評價改進模型的建立

商家基本狀況的信用評分為：

其中，W01、W02、W03分別表示商家基本狀況信用評價指標(biāo)的權(quán)重。

動態(tài)交易狀況的信用評分為：

其中，Qij表示買家i對店鋪j動態(tài)交易狀況的信用評分，W14i、W15i表示買家i的購買金額與自身信用狀況的權(quán)重。

而買家i對店鋪j動態(tài)交易狀況的信用評分為：

圖3 改進前的用戶評價數(shù)

圖4 擴大的用戶評價數(shù)

其中，W11、W12、W13分別表示每個用戶對商家動態(tài)交易狀況評分的信用評價指標(biāo)的權(quán)重。

商家服務(wù)情況的信用評分為：

其中，W21、W22、W23分別表示商家服務(wù)情況的信用評價指標(biāo)的權(quán)重。

商家的綜合信用評分為：

其中，W0、W1、W2分別表示三類信用評分的權(quán)重。

改進的網(wǎng)絡(luò)零售市場信用評分法以更大范圍的用戶評價作為參考，綜合考慮了用戶自身的信用度、用戶購買金額等因素，能夠有效降低用戶直接評價中虛假評價對店鋪信用度的影響，降低“信用炒作”、“惡意詆毀”等行為的作用。同時，還能反映店鋪賣家和買家真實的信用度，降低買家購買時因信息不對稱帶來的信用風(fēng)險，為網(wǎng)絡(luò)零售商營造一個公平競爭的環(huán)境。

五、總結(jié)

我國網(wǎng)絡(luò)零售市場要進一步發(fā)展壯大，信用風(fēng)險控制顯得尤為重要。本文提出的基于信任傳遞原理改進的網(wǎng)絡(luò)零售市場信用評價機制，能夠有效降低用戶虛假評價及其他蓄意破壞行為對我國網(wǎng)絡(luò)零售市場信用系統(tǒng)的影響，反映店鋪真實的信用度，降低買家因信息不對稱和時空分隔帶來的不信任性，降低消費者購買的信用風(fēng)險，同時為賣家提供一個公平的競爭環(huán)境，為我國網(wǎng)絡(luò)零售市場健康發(fā)展奠定良好的信用基礎(chǔ)。

注釋：

①數(shù)據(jù)來源于中國電子商務(wù)研究中心（www.100ec.cn）。

[1]Jie Zhang.The Roles of Players and Reputation：Evidence from Ebay online Auctions[J].Decision Support Systems，2006（42）：1800-1818.

[2]Mui L.，Mohtashemi M..A Computational Model for Trust and Reputation[J].Systems Sciences， 2002：2431-2439.

[3]Abdul Rahman，Hailes.Supporting Trust in Virtual Communities[J].Systems Sciences，2000：56-87.

[4]樸春慧，方美琪.C2C電子商務(wù)網(wǎng)站信用評價模型及算法研究[J].情報雜志，2007（8）：105-107.

[5]甄磊，鄭力，吳姍姍.基于C2C電子商務(wù)信用評價體系的探討[J].大眾商務(wù)，2010（1）：147-178.

[6]李瑞軒，盧正鼎.C2C電子商務(wù)交易的信用評估風(fēng)險方法研究[J].通信學(xué)報，2009， 7（30）：78-85.

[7]徐大鵬，洪紅，王超.電子商務(wù)信用風(fēng)險研究綜述[J].經(jīng)營管理者，2001（20）：1-3.

[8]楊蕾，單曉菲.基于SNS的C2C市場信用改進研究——以淘寶網(wǎng)為例[J].電子商務(wù)，2011（7）：15-18.

[9]張建，張勇，趙潔.面向領(lǐng)域的電子商務(wù)平臺交易信用研究[J].計算機與數(shù)字工程，2012（11）：32-49.

[10]AudunJosang，Roslan Ismail，Clion Boyd.A Survry of Trust Reputation Systems for Online Service Provision[J].Decision Support Systems，2007（43）：618-644.